قمنا في هذا البحث بإدخال خوارزمية اختيار السمات المستندة على الضبط
regularization للاستفادة من خصائص الخلخلة و تجميع السمات و ادراجه في مهمة تصنيف الصور الطبية، باستخدام الطريقة المعتمدة على خلخلة المجموعة group sparsity
التي تُمكن من الإبقاء أو الحذف على مجموعة كاملة من السمات. إن الفكرة الأساسية في خلخلة المجموعة هي حذف السمات التي لا تؤثر على عملية الاستعادة بدلاً من الإبقاء على هذه السمات و اعطائها أوزان قليلة، و بالتالي تعتبر كخوارزمية لتحسين النظام عن طريق زيادة دقة النتائج بالإضافة الى تخفيض المتطلبات الزمنية و التخزينية التي يحتاجها النظام.
In this research we introduce
a regularization based feature selection algorithm to benefit from
sparsity and feature grouping properties and incorporate it into the
medical image classification task. Using this group sparsity (GS)
method, the whole group of features are either selected or removed.
The basic idea in GS is to delete features that do not affect the
retrieval process, instead of keeping them and giving these features
small weights. Therefore, GS improves system by increasing
accuracy of the results, plus reducing space and time requirements
needed by the system.
Artificial intelligence review:
Research summary
تقدم هذه الورقة البحثية نظامًا فعالًا لتصنيف الصور الطبية باستخدام خلخلة المجموعة والتحسين الضبابي. تزداد كمية الصور الطبية المنتجة في المستشفيات بشكل هائل، مما يستدعي الحاجة إلى طريقة فعالة لتصنيف وتوصيف هذه الصور آليًا باستخدام المحتوى، نظرًا للأخطاء الموجودة في الأوسمة المرتبطة بها. تعتمد العديد من الأبحاث على السمات المحددة مسبقًا لتوصيف الصور، ولكنها لم تدرس خصائص هذه السمات والعلاقات بينها. في هذا البحث، تم تقديم خوارزمية اختيار السمات المستندة إلى الضبط للاستفادة من خصائص الخلخلة وتجميع السمات وإدراجها في مهمة تصنيف الصور الطبية. تعتمد طريقة خلخلة المجموعة على حذف السمات التي لا تؤثر على عملية الاستعادة بدلاً من الإبقاء عليها وإعطائها أوزان قليلة. أظهرت نتائج الدراسة على قاعدة بيانات مشروع IRMA دقة تصنيف تصل إلى 93%، مما يعزز فعالية النظام المقترح في التعامل مع تحديات الصور الطبية.
Critical review
دراسة نقدية: على الرغم من أن البحث يقدم نظامًا مبتكرًا وفعالًا لتصنيف الصور الطبية، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، النموذج يعتمد بشكل كبير على البيانات المتاحة من مشروع IRMA، مما قد يحد من تعميم النتائج على قواعد بيانات أخرى. ثانيًا، لم يتم اختبار النظام بشكل كافٍ على أنواع مختلفة من الصور الطبية مثل صور الرنين المغناطيسي أو الصور الشعاعية. ثالثًا، يمكن تحسين النموذج من خلال دمج تقنيات تعلم الآلة الحديثة مثل الشبكات العصبية العميقة التي أثبتت فعاليتها في تصنيف الصور. أخيرًا، يجب إجراء المزيد من الدراسات لتقييم أداء النظام في بيئات سريرية حقيقية.
Questions related to the research
-
ما هي المشكلة الرئيسية التي يعالجها البحث؟
يعالج البحث مشكلة الحاجة إلى طريقة فعالة لتصنيف وتوصيف الصور الطبية آليًا باستخدام المحتوى، نظرًا للأخطاء الموجودة في الأوسمة المرتبطة بها.
-
ما هي الخوارزمية المستخدمة في البحث لتحسين عملية تصنيف الصور الطبية؟
تم استخدام خوارزمية اختيار السمات المستندة إلى الضبط، والتي تعتمد على خلخلة المجموعة لتحسين عملية تصنيف الصور الطبية.
-
ما هي دقة التصنيف التي حققها النظام المقترح في البحث؟
حقق النظام المقترح دقة تصنيف تصل إلى 93% عند اختباره على قاعدة بيانات مشروع IRMA.
-
ما هي النقاط التي يمكن تحسينها في البحث؟
يمكن تحسين البحث من خلال اختبار النظام على أنواع مختلفة من الصور الطبية، دمج تقنيات تعلم الآلة الحديثة، وإجراء المزيد من الدراسات لتقييم أداء النظام في بيئات سريرية حقيقية.
References used
Lehmann, Thomas M., et al., et al. Automatic categorization of medical images for content-based retrieval and data mining. s.l. : Computerized Medical Imaging and Graphics, 2005
Kohnen, Michael, et al., et al. Quality of DICOM header information for image categorization. 2002
Zhang, Shaoting, et al., et al. Automatic Image Annotation and Retrieval Using Group Sparsity. s.l. : IEEE, 2012
One ofa car's suspension system functions is to isolate vibrations resulting from road on the driver and ensure a comfortable ride. But the design of control systems for semi-active suspension systems is difficult because of the non-linearity of the
The amount of digital images that are produced in hospitals is increasing rapidly. Effective
medical images can play an important role in aiding in diagnosis and treatment, they can
also be useful in the education domain for healthcare students by
In this paper, it has
merged two techniques of the artificial intelligent, they are the
ants colony optimization algorithm and the genetic algorithm, to
The recurrent reinforcement learning trading system
optimization. The proposed trading system
Evapotranspiration is an important component of the
hydrologic cycle, and the accurate prediction of this parameter is
very important for many water resources applications. Thus, the
aim of this study is prediction of monthly reference
evapotranspiration using Artificial Neural Networks (ANNs) and
fuzzy inference system (FIS).
In recent years, the problem of classifying objects in images has increased by using deep learning as a result of the industrial sector requirements. Despite of many algorithms used in this field, such as Deep Learning Neural Network DNN and Convolut